SCI论文（www.lunwensci.com）:
摘 要：当前企业获取信息渠道来源广，这些信息的核心就是指标，指标对领导的决策有重要的影响，因此保证指标的准 确性和及时性成为企业管理的必要举措。但是目前企业指标管理工作存在不少问题。因此企业急需一套指标管理系统来确保数 据流程可追踪、可反馈，实现 ：数据可控、流程简洁、管理规范。
关键词：指标管理 ；需求分析 ；分析维度 ；指标管理模型
Demand Analysis of Enterprise Data Management System
WANG Xiaomei
(Renmin University of China, Beijing 100000)
【Abstract】： At present, companies have a wide range of information sources. The core of this information is indicators. Indicators have an important influence on leaders decision-making. Therefore, ensuring the accuracy and timeliness of indicators has become a necessary measure for corporate management. However, there are many problems in current enterprise index management. Therefore, enterprises urgently need a set of index management system to ensure that the data process can be traced and feedback .In short: Controllable data, simple process, and standardized management.
【Key words】： index management;demand analysis;analysis dimension;index management model
1 企业指标系统建设研究意义及背景
1.1 研究意义及背景
伴随科技的进步，企业不断的扩张自己商业版图， 会衍生出各项业务，这些业务也会伴随这很多系统，而 这些系统之间往往不是独立存在的，系统之间会存在许 许多多的接口，如果将这些系统（用节点表示）和他们 之间的关系（用线表示）用一张图画出来，那将会像一 张大网，但由于各个业务面向的业务场景不同，每个业 务都会从对自身有益数据出发，会导致 ：
（1）指标定义名称一样，但是开发逻辑不同，导致 取数时出现混乱 ；（2）指标的重复开发，在 A 业务线开
发了指标 a，同样在 B 业务线也开发了指标 a，那么可 能存在多条业务线开发相同的指标 ；（3）指标开发逻辑 未留存，导致数据开发在开发指标时，需要找相应的开 发，询问确认统计口径、数据源表、处理方式等，导致沟通成本高 ；（4）指标因各个业务线单独维护，尚未形成 应用闭环；（5）随着业务的发展，原先的系统流程已经 不能满足企业对指标的需求。
因此在以上的背景和种种原因之下，就需要有一个 标准和统一的规范，减少沟通成本和重复建设，建设一 个这样的指标系统以及管理指标体系的平台具有良好的 企业意义，社会意义与经济意义。
1.2 指标管理系统难点
1.2.1 功能设计难点
当企业需要指标管理系统时，说明企业已发展到相 对关键的阶段，必然会有多部门，多业务线，多业务量的情况，且关联性大，需要时效强，操作人员多，但系 统需要设计的简单便捷。
1.2.2 数据库设计难点
对数据平台高要求体现在 ：超级数据量，数据之间的关联性、紧密性非常强，时效性要求非常高。
1.2.3 安全性难点
很多企业都将数据指标作为公司的重要资产，在对 内和对外都有极高的价值，因为在设计系统时需要考虑 系统安全性、功能安全性、数据安全性、应用安全性和 网络安全性。
2 系统概述
2.1 系统定义
什么是指标管理系统？指标管理和指标服务是提供 指标管理模块的两大核心内容 [1]。指标管理包括指标规 则的定义、指标正常发布使用和后续指标上线的维护， 指标服务提供包括指标查询、基础指标多维报表报表的 生成以及为其他系统提供的对接接口。因为公司不同业 务线指标较多，可能会有交叉指标，所以在数据仓库建 设阶段，需要将指标的组成部分分解耦拆分开来，并在 逻辑表中进行结构化处理。再此基础上，按照一定的业 务规则进行自由拼接，实现自定义指标。
2.2 建设目标
建设指标管理平台，目标是将企业内部指标口径统 一化。统一管理指标，实现数据共享和互联互通，系统 建设目标主要有以下三个方面 ：
2.2.1 全面覆盖公司业务
一体化指标管理可以完整的看相关指标，是一个相 对规范、统一并且高效的信息管理平台，为提高企业决 策效率作出较大贡献。
2.2.2 满足多层级应用
对于企业管理层，可以更加便捷的查看企业的核心指 标和相关指标，针对指标出现的异常及时作出决策 ；对于 企业执行层，可以减少每日无效劳动，减少低能的统计工 作，可以释放基础资源，让他们去做更有价值的事情 ；对 于企业于合作商，指标管理平台提前整合了数据，为他们 提供相应的接口，不仅节约了资源，也能够为系统的开发 节约一定的时间成本，大大提高了工作效率。
2.2.3 适应企业未来发展
一体化指标管理可以较好的适应企业后续业务扩 展，并及时响应业务指标扩展。
2.3 系统优点
构建企业指标管理系统，优点如下 ：指标统一 ：杜 绝因为人为因素、向上择优汇报而造成数据不统一的情 况 ；指标关联性强 ：可以通过查看某一个指标而将其相 关性大的指标都拿出来看 ；操作简便 ：不同类型的使用 人员只需几步就可以完成数据的配置和查询 ；便于管 理 ：只需要做好流水线管控即可 ；资源的高度整合。
3 软件需求
3.1 功能需求
3.1.1 指标定义
指标定义主要包括单一指标定义、符合指标定义、 语法校验、指标内容相同检验。
3.1.2 指标发布
指标发布是对指标发布的管理，主要分为 ：发布 前―发布申请，发布中―审核发布，发布后―发布查询。
3.1.3 指标服务提供
指标服务提供主要是方便其他业务部门甚至其他相 似业务的公司对指标的调用申请，其中包括 ：指标服 务、指标服务调用。（同时平台可以对这些指标做调用 频次记录，可检索出哪些指标调用次数最多，哪些指标 属于鸡肋指标）。
3.1.4 指标维护
当平台上线后，需要进行指标维护，随着大家的使用， 需要进一步做迭代。比如低频次调用指标需要做剔除，前 期上线的指标因为口径不清晰需要进一步做修改等。
3.1.5 指标规范
指标规范是平台建设需要做一些规范，例如规范命 名 ：规范维度和量度命名，确保唯一性，命名规则要尽 量做到明确、通用、易懂。以便于后续管理、拓展，其 中包括但不仅限 ：规范指标分类、指标代码使用统一开 发规范、指标元数据管理和指标权限管理等。
3.1.6 平台监控
平台监控是对平台的监控，其中包括 ：总控制台、 指标监控、性能监控。
3.2 指标定义规范
指标定义原则 ：引入面向对象思想构建指标，封装 指标的各种属性数据，构成一个指标对象，而我们只需 要对该对象进行操作，生成指标实体，运行得到结果。
指标因子对象 ：构建统一指标体系，对于指标因子 的元素设定，应用统一规定的标准规则，各类指标因子 元素定义包括了指标因子类别、指标因子名称、指标因 子含义以及定义策略、数据类型、必备性、重复性、设 置规则、作用、默认值等因子元素进行统一规定。
3.3 指标定义流程
3.3.1 梳理并定义产品中的实体，定义实体表
所有的业务活动中，都可以抽象成 2 个概念，实体和关系，围绕这两个概念进行建表，就可以设计出数仓 的结构。
实体，从业务角度讲，是为了满足分析的需要，抽 象出来的概念，从业务中拆分出一个个实体，可以是现 实存在的业务对象，如用户，商家，商品，或者所找的对 象现实中并不存在，如虚拟的业务对象，活动，会员等。 实体是指依附的主体，是我们分析的一个对象，每一个 实体，都应该有一个实体表，比如用户表，商品表。实 体的存在是为了业务分析，作为分析的一个筛选的维 度，拥有描述自己的属性，本身具有可分析的价值。实 体表就是为做业务分析和筛选，比如说，现在定义一个 指标，年龄 >29 岁的用户数，那么就可以直接在用户表 去筛选，如果说，定义的指标，库存低于 10 的商品的 用户数，那么就需要一个商品表，与事件关联，并且描 述属性里有库存的字段。
关系是什么？我们把不同实体间的某种行为、关联 称为关系，如行为关系，包含关系。如何定义实体表、 关系表？数据库的实体，是为了操作失误，而数据仓库 是为了分析。所以，所以我们定义实体表的思路是是否 要作分析。
3.3.2 分析实体间的行为，进行事实表和维度表的设计
数据仓库是重点关注数据与数据之间的业务含义， 如不同统计口径与分析方式下数值差的意义。简单说是 为了分析。为了保证分析结果的准确和有效，必须要对分析口 径进行细化分解，精准定位到影响因子。定义分析角度 和影响因素的方式有 ：维表和度量值。
比如描述事物的一个角度，就是维度，用于分析， 对真实情况所需要的各种环境要素进行还原，如何下单
事件中的时间维度，地理位置维度，网络环境维度。
维度表是维度属性的集合。是分析问题的一个窗 口。是人们观察数据的特定角度，也可以当作考虑问题 时的某一类属性，属性的集合构成一个维。
事实是事件发生时的度量值，也就是可以被量化的 内容，可以理解他就是在现实中发生的一次操作型事件，我们每完成一个订单，就会在订单中增加一条记 录，图中的用户表、商家表、时间表这些都属于维度 表，这些表都有一个唯一的主键，然后在表中存放了详 细的数据信息
如何定维度和事实如何建模？
首先梳理出产品的所有业务事件，并逐一定义每张 事实表，记录在业务事件中的所有度量值，并通过外键 和维度表进行关联。先说星型模型，星型模型就是我们一种典型的维度模型 [2]。我们在进行维度建模的时候会 建一张事实表，这个事实表就是星型模型的中心，然后 会有一堆维度表，这些维度表就是向外发散的星星。
比如，分析电商中最典型的用户购买行为 ：一次 购买行为的发起需要有这几个个体的参与 ：售卖的商 家、购买用户、购买商品、用户购买时间、用户购买金 额。一个用户可以发起很多次购买的动作。为了使查询 和分析更加方便，下一步是建立多维事件模型，多维数 据模型是为了满足用户从多角度多层次进行数据查询和 分析的需要而建立起来的基于事实和维的数据库模型， 其基本的应用是为了实现 OLAP（Online Analytical Processing）。其中部分维度需要回到事实表，然后通 过主键连接其他实体表。
3.3.3 定义原子指标与派生指标的生产逻辑
首先对原子指标和派生指标做各区分
..原子指标 ：和度量含义相同，基于某一业务事件行 为下的度量，是业务定义中不可再拆分的指标，具有明 确业务含义的名词，如支付金额。原子指标描述的其实 是一种指标的类型，比如订单交易金额、成交订单数、 PV、UV 等。但是仅仅一个原子指标是不能直接取数的。
哪些指标是业务方更关心的？是有实际业务含义， 可以直接取数据的指标。比如店铺近 1 天订单支付金额 就是一个派生指标，会被直接在产品上展示给商家看， 但是这个指标却不能直接从数仓的统一中间层里取数 （因为没有现成的事实字段，数仓提供的一般都是大宽 表）。需要有一个桥梁连接数仓中间层和业务方的指标 需求，于是便有了派生指标。
从上述的例子中可以看出派生指标 = 维度 + 原子指 标 + 修饰词。当维度，原子指标，修饰词都确定的时候就可以唯一确定一个派生指标，同时给出具体数值。店 铺近 1 天订单支付金额中店铺是维度，近 1 天是一个时 间类型的修饰词，支付金额是一个原子指标。
业务方制作每一个派生指标都是通过选择维度、原 子指标、修饰词这三种元数据来进行定义的，相对于使 用名称来区别不同指标，更可以保证指标的唯一性。如果 2 个派生指标是不同的，那他们的组成部分一定会有区 别，或是不同维度，亦或是不同原子指标、不同修饰词。
派生指标 = 维度 + 修饰词 + 原子指标。
维度 ：观察各项指标的角度。
修饰词 ：维度的一个或某些值，比如维度性别下， 男和女就是 2 种修饰词
修饰词有两种 ：一种是日期修饰词，一种是聚合修 饰词。
3.3.4 通过指标管理平台对指标进行规范化生产
在规范指标生产这一步，由派生指标 = 维度 + 修饰 词 + 原子指标，为结构化生产派生指标，所以有以下功 能模块 ：
数据源同步 ：标库中指标数据的来源一般都是从 DW 库，数仓统一中间层的表中通过计算得来，为保证 指标的正确唯一性，指标库最基础的元数据、原子指标 信息等都是使用数仓统一中间层。维度管理 ：维度是观 察事物的角度，比如店铺维度下近 90 天支付金额中，店 铺是一个维度。在 SQL 中一般是 group by 的部分。数 仓定义好维度以后需要设置维度的维度主表和关联的事 实表。原子指标管理 ：原子指标和度量含义相同，基于 某一业务事件行为下的度量，是业务定义中不可再拆分 的指标，具有明确业务含义的名词，如支付金额。修饰 词管理 ：修饰词是维度的某一些特殊的值。对应 SQL 中的 where 过滤条件。派生指标管理 ：派生指标 = 维 度 + 原子指标 + 修饰词。当维度，原子指标，修饰词都 确定的时候就可以唯一确定一个派生指标，同时给出具 体数值。
3.4 指标分类
指标的分类一般是根据公司的业务进行划分，一般 主要通用的就是 ：统计报表类、财务类、分析类 ；其中统计报表类 ：渠道类、采购类、客户类、人力资源类、投资建设类、其他类。财务类 [3] ：收入类、支出类、资产类。
分析类 ：指标相关性分析、预测分析等。具体应用可以根据自己实际所处的场景根据业务线 划分。
4 总结与展望
4.1 总结
以上描述的企业指标管理系统是基于我在实践工作中总结所得。系统建议采用大数据和 java 语言开发， 以满足大数据量计算和良好的可移植性，便于工程上的 应用。依据本系统的分析研究，目前该软件已完成设计 与实际应用，功能项基本覆盖了使用要求。
在实践过程中，本人的主要工作包括 ：研究分析指 标管理系统在国内外的发展趋势，根据内部业务场景和 业务特点设计系统 ；分析功能需求，设计功能原型 ；拉 通其他部门人员，跟进版本迭代和验收交付。
4.2 展望
经过业务系统一个月的使用测试，本系统已经顺利 通过测试运行阶段并且正式上线使用，但是由于业务线 还在不断拓展，业务指标还会再增加，所以该系统后续 还需要维护 ；另外因为参与设计和开发的人员都是初次 接触，所以系统整体还是有很多优化空间。在后续的研 究中，我将积极发现新问题并进一步完善系统。
参考文献
[1] 李超,谢坤武.软件需求分析方法研究进展[J].湖北民族学院 学报(自然科学版),2013,31(2):204-211.
[2] 刘颀桓.基于数据仓库的商业银行报表系统基础数据分析设 计[J].企业技术开发,2011,30(23):127-128.
[3] 官佳伟.财政指标管理系统的研究与开发[D].贵阳:贵州大 学,2019.
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jisuanjilunwen/34331.html
